4. PSI原理详解
在信贷风控模型上线之后，真正决定模型能否长期稳定运行的，往往不是AUC或KS有多高，而是模型所依赖的数据分布有没有发生偏移。PSI（Population Stability Index，群体稳定性指标）正是用来量化这种偏移的核心工具。它通过比较两个时间窗口内同一变量的分布差异，帮助风控团队判断模型是否仍然适用于当前客群。
一、核心原理：PSI在衡量什么
PSI的本质是衡量两个概率分布之间的差异程度。在信贷场景中，通常把建模时的样本分布称为期望分布（Expected），把当前待监控时间窗口的样本分布称为实际分布（Actual）。PSI越大，说明实际分布偏离期望分布越严重，模型输入或输出可能已经发生漂移。
PSI的计算公式如下：
PSI = Σ (Actual% - Expected%) × ln(Actual% / Expected%)其中，Actual%和Expected%分别表示某个分箱内实际样本占比和期望样本占比。公式由两部分构成：差值部分反映占比变化的绝对幅度，对数比值部分放大了小占比分箱的敏感性。两者相乘后求和，得到整体稳定性指标。
理解要点：PSI不是统计检验，不输出p值，也不判断“显著与否”。它是一个经验型监控指标，核心价值在于可解释、可比较、可阈值化，适合在模型监控报表中按日、按周、按月批量计算。
二、分箱逻辑：PSI计算的前置关键
PSI的计算依赖分箱。连续变量不能直接逐值比较，必须先离散化。分箱方式直接决定PSI的敏感度和可解释性。常见做法有三种：
- 等频分箱：按期望分布的分位数切分，使每个箱内样本量大致相等。这是风控中最常用的方式，能避免某些箱样本过少导致PSI剧烈波动。
- 等距分箱：按变量取值范围等距离切分。适合取值分布较均匀的场景，但对长尾变量不友好。
- 业务分箱：根据业务含义切分，例如年龄按18-25、26-35、36-45等。可解释性强，但需要与模型训练时的分箱保持一致。
无论采用哪种方式，分箱边界必须在期望分布上确定，然后应用到实际分布。也就是说，实际分布不能重新分箱，否则比较基准就变了。分箱数量通常控制在10到20之间。箱数太少会掩盖局部漂移，箱数太多则容易因样本稀疏产生噪声。
实操建议：对于缺失值，建议单独作为一个分箱处理。缺失率本身就是一个重要的漂移信号，如果直接把缺失值合并到其他箱，会丢失这一信息。
三、期望分布与实际分布对比：一个完整计算示例
假设某信贷模型对“近6个月查询次数”变量进行监控，期望分布来自训练样本，实际分布来自当前月放款客群。分箱及占比数据如下：
| 分箱区间 | 期望占比 Expected% | 实际占比 Actual% | 差值 | ln(Actual/Expected) | PSI贡献 |
|---|---|---|---|---|---|
| [0,1] | 30% | 22% | -8% | -0.310 | 0.0248 |
| [2,3] | 25% | 20% | -5% | -0.223 | 0.0112 |
| [4,6] | 20% | 24% | +4% | +0.182 | 0.0073 |
| [7,10] | 15% | 20% | +5% | +0.288 | 0.0144 |
| [11,+∞) | 10% | 14% | +4% | +0.336 | 0.0134 |
将最后一列相加，得到PSI约为0.071。这个值说明当前月客群在查询次数上的分布与训练样本相比有轻微偏移，但整体仍在可控范围内。
从贡献结构看，[0,1]箱的PSI贡献最大，达到0.0248，说明低查询次数客群占比明显下降。业务上可以进一步排查：是渠道策略调整导致低查询客户减少，还是市场环境变化使更多客户在申请前频繁查询。这种分箱级归因是PSI相比单一数值更有价值的地方。
四、阈值设定原则：如何判断PSI是否报警
PSI的阈值没有绝对标准，但行业实践中形成了一套广泛接受的参考区间：
- PSI < 0.1：分布稳定，无需特别关注。
- 0.1 ≤ PSI < 0.25：分布有轻微偏移，建议关注并排查原因，可继续观察。
- PSI ≥ 0.25：分布显著偏移，模型可能失效，需要触发预警、复核甚至重训。
但这套阈值不能机械套用。设定阈值时至少要考虑以下四个因素：
- 变量类型：模型分数PSI通常比单变量PSI更敏感，阈值可适当收紧；单变量PSI可适当放宽。
- 样本量：小样本下PSI波动大，阈值应放宽，或改用其他稳定性指标辅助判断。
- 业务容忍度：高风险业务对漂移更敏感，阈值应更严格；低风险业务可适度宽松。
- 监控频率：日频监控可设置多级预警，月频监控则更适合直接使用0.1/0.25两档。
常见误区：把PSI当作唯一决策依据。PSI高不一定代表模型失效，可能是客群结构主动调整的结果；PSI低也不一定安全，如果所有分箱占比同步平移，PSI可能很小，但变量与目标的关系已经改变。PSI应与其他监控指标（如KS、AUC、特征重要性、坏账率）联合使用。
五、复盘：PSI监控的落地要点
在实际项目中，PSI监控最容易出问题的环节往往不是计算本身，而是工程实现和解读。以下清单可作为落地检查项：
- 分箱边界是否与训练时完全一致，是否持久化保存。
- 期望分布是否使用训练集或一个稳定的基准窗口，而不是滚动更新。
- 实际分布窗口是否与业务决策周期匹配，避免跨周期混用。
- 缺失值、异常值是否单独分箱，是否参与PSI计算。
- PSI报警后是否有明确的归因流程和责任人。
- 是否区分单变量PSI与模型分数PSI，是否分别设置阈值。
PSI的价值不在于算出一个数字，而在于建立一套可重复、可解释、可行动的稳定性监控机制。只有当PSI报警能够快速定位到具体变量、具体分箱和具体业务原因时，它才真正成为模型风险管理的一部分。